多傳感器數(shù)據(jù)采集系統(tǒng)中的數(shù)據(jù)融合研究

張 軍, 楊子晨

(中國艦船研究設計中心,湖北 武漢 430064)

0 引 言

近年來，多傳感器數(shù)據(jù)采集系統(tǒng)在現(xiàn)代艦船上的應用越來越普遍。因而，對多傳感器數(shù)據(jù)融合的研究就顯得尤為重要。多傳感器數(shù)據(jù)融合可以更精確地估計出被測參數(shù)的值[1]。

提高數(shù)據(jù)采集系統(tǒng)的測量精度的慣用做法是對傳感器獲取的數(shù)據(jù)進行處理。傳統(tǒng)的方法是采用多只傳感器的算術平均，雖有一定的抗干擾能力，但這不是測量數(shù)據(jù)的最好方法[2]。文獻[3]和文獻[4]以置信距離測度作為數(shù)據(jù)融合的融合度，通過設定閾值獲得關系矩陣以對傳感器的有效性進行判斷，在獲得最佳融合傳感器集合后，對融合傳感器進行融合[5]。該方法閾值的選取過于絕對化和經(jīng)驗化，數(shù)據(jù)融合的結果已受到主觀因素的影響。

傳感器權值的分配是傳感器數(shù)據(jù)融合過程中非常重要的一個環(huán)節(jié)，它關系到數(shù)據(jù)采集系統(tǒng)的測量精度和可靠性。在權的最優(yōu)分配原則下，采用加權平均法進行數(shù)據(jù)融合，對系統(tǒng)測量精度和可靠性的改善非常明顯。

1 單傳感器分批估計數(shù)據(jù)融合

單傳感器測量的數(shù)據(jù)作為數(shù)據(jù)采集系統(tǒng)最原始的數(shù)據(jù)，它的測量精度對整個測量系統(tǒng)具有非常重要的意義。單傳感器分批估計數(shù)據(jù)融合是處理單傳感器的測量數(shù)據(jù)較為有效的一種方法。

所謂分批估計數(shù)據(jù)融合就是指將同一傳感器的測量數(shù)據(jù)分成2組(可以按前后分組，也可以按奇偶分組)，根據(jù)分批估計理論可以得到測量數(shù)據(jù)的局部決策值[6]。

(1)

(2)

文獻[7]已經(jīng)推導了分批估計數(shù)據(jù)融合的結果和方差

(3)

(4)

利用公式(1)～式(4)就可以得到每一只傳感器測量數(shù)據(jù)的局部決策值。

2 相關性函數(shù)

2.1 置信距離矩陣

(5)

其中

(6)

因此，有

(7)

由文獻[8]可以推導出

(8)

如果有m只傳感器測量同一個指標參數(shù)，置信距離測度dij(i,j=1,2,…,m)構成一個矩陣

(9)

2.2 相關性函數(shù)

一般的融合方法是給出一個融合上限βij，當dij>βij時，就認為第i只傳感器與第j只傳感器相容性差，或稱它們相互不支持。這種做法的缺陷是βij的選取過于絕對化和經(jīng)驗化，所融合的結果受主觀因素影響較大。

針對此問題，本文引入了模糊理論的相關性函數(shù)來分析傳感器之間的相容性。

由式(8)知,0≤dij≤1，且由其運算公式的統(tǒng)計意義可知，dij越小說明第i只傳感器被第j只傳感器支持的程度越高。因此，由模糊理論中的相關性函數(shù)定義[9]可令

(10)

(11)

為了確定各只傳感器被其它傳感器支持的程度，令

(12)

得到每只傳感器被其它傳感器支持的程度以后就可以剔除掉那些被其它傳感器支持度非常低的傳感器的局部決策值。這樣，不僅可以提高數(shù)據(jù)采集系統(tǒng)的測量精度，還可以提升數(shù)據(jù)融合的效率。

3 自適應加權平均法的數(shù)據(jù)融合

利用相關性函數(shù)剔除掉那些被其它傳感器支持度非常低的傳感器的局部決策值以后，對于剩下的局部決策值，采用自適應平均法進行融合。這種融合算法不要求知道傳感器測量數(shù)據(jù)的任何先驗知識，只靠單傳感器融合后的局部決策值就可以得出數(shù)據(jù)融合結果。這種融合方法中權的分配對融合結果的影響非常明顯。在權的最優(yōu)分配原則[10]下，利用自適應加權平均法對單傳感器的局部決策值進行融合是一種較為有效的方法。

(13)

(14)

由文獻[10]推得，數(shù)據(jù)融合后的精度為

(15)

(16)

(17)

4 算例分析

表1 恒溫槽溫度下不同傳感器的測量值

表2 單傳感器分批估計融合的結果

利用式(8)～式(12)，可求得各傳感器被支持的程度

由于第7只和第8只傳感器被其它的傳感器支持的程度非常低，故在進行數(shù)據(jù)融合之前要剔除這2只傳感器的局部決策信息。因而，最后進行數(shù)據(jù)融合的數(shù)據(jù)為前6只傳感器的局部決策信息。

利用公式(13)，式(16)，式(17)以及表2中的信息，即可得出最終融合結果。針對表1的數(shù)據(jù)，表3列出了各融合算法的融合結果并對各融合結果進行了比較。

表3 各算法融合結果比較

由表3可以看出：與其它5種算法相比，本文所闡述的算法的融合結果更加接近真實值，精度更高。

5 結 論

本文提出了以單傳感器分批估計融合與相關性函數(shù)以及加權自適應算法相結合的數(shù)據(jù)融合計算方法。該方法在融合的過程中不需要知道測量數(shù)據(jù)的先驗知識,而且由于引入了模糊理論中的相關性函數(shù)，可以不用人為設定閾值

就可以剔除影響融合精度的傳感器測量值，克服了人的主觀因素對數(shù)據(jù)融合的影響。最后，在權的最優(yōu)分配原則下，利用自適應加權平均法，使得數(shù)據(jù)融合結果更準確，融合精度更高。

本文所提出的算法能客觀地反映各傳感器的可靠性程度，而且融合結果更加準確，融合精度更高。

參考文獻:

[1] 楊萬海.多傳感器數(shù)據(jù)融合及其應用[M].西安:西安電子科技大學出版社,2004:1-20.

[2] 張捍東,孫成慧,岑豫皖.分布式多傳感器結構中的數(shù)據(jù)融合方法[J].華中科技大學學報:自然科學版,2008,36(6):37-39.

[3] 陳增福.多傳感器數(shù)據(jù)融合的數(shù)學方法[J].數(shù)學實踐與認識，1995,25(2):13-16.

[4] 吳小俊,曹奇英,陳保香,等.基于Bayes估計的多傳感器數(shù)據(jù)融合方法研究[J].系統(tǒng)工程理論與實踐,2000,20(7):45-48.

[5] 劉建書,李人厚,常 宏.基于相關性函數(shù)和最小二乘法的多傳感器數(shù)據(jù)融合[J].控制與決策,2006,21(6):714-716.

[6] 吳文全,席澤敏,郭加寧.多傳感器測量數(shù)據(jù)預處理[J].海軍工程大學學報,2005,17(4):80-96.

[7] 羅中良,張前進,方清城,等.智能儀表中的一種數(shù)據(jù)融合方法[J].儀表技術與傳感器,2002(6):45-46.

[8] 盛 驟,謝式千,潘承毅.概率論與數(shù)理統(tǒng)計[M].北京:高等教育出版社,2008:46-50,382.

[9] 錢同惠,沈其聰,葛曉濱.模糊邏輯及其工程應用[M].北京:電子工業(yè)出版社,2001:255-287.

[10] 凌林本,李滋剛,陳超英,等.多傳感器數(shù)據(jù)融合時權的最優(yōu)分配原則[J].中國慣性技術學報,2000,8(2):36-39.